20世紀初，物理學發生了一系列危機，像恆星這樣的放射物在每個波長髮出的能量是有限的、明確的，但這與當時最佳理論相違背。當物體的移動速度接近光速時，牛頓的運動定律就不再適用了。在引力場最強的地方，比如離太陽最近的地方，從行星運動到星光的彎曲，都與萬有引力定律的預測不同。
圖為1920年的阿爾伯特·愛因斯坦。儘管愛因斯坦本人在物理學方面取得了許多成就，從狹義相對論和廣義相對論到光電效應和統計力學，但他的一生中仍有許多問題無法解決。人工智能比愛因斯坦做得更好嗎？
科學家們通過發展量子力學和廣義相對論作出瞭解釋，也徹底改變了我們對的宇宙的看法。像普朗克、愛因斯坦、海森堡、薛定諤、狄拉克等人常常被譽為最偉大的科學天才。毫無疑問，他們解決了一些極其複雜的問題，而且做得非常出色。但是人工智能（AI），很有可能會做得更好？
1919年愛丁頓遠征觀測結果表明，廣義相對論描述了在大質量物體周圍恆星光的彎曲，推翻了牛頓。
愛因斯坦並不喜歡這個想法，他在1931年寫的一本書中回顧了他最偉大發現時說到：有時我覺得自己是對的，卻不知道原因。當1919年的日食證實了我時，我一點也不驚訝。事實上，如果不是這樣，我會很詫異。想象力比知識更重要。
因為知識是有限的，而想象力可以擁抱整個世界，激勵進步，孕育進化。嚴格地說，這是科學研究真正的關鍵因素。人類的大腦似乎天生就具有跨學科的聯繫，使我們能夠以絕地反擊的方式前進。科學上的突破——那些“我發現了”的時刻似乎一直都是人類獨有的成就。但也許這並不是真的。
基普·索恩，羅恩·德雷弗和羅比·沃格特，是LIGO的第一任負責人，在巴里·巴瑞斯接管和改造LIGO之前，他們已經把LIGO變成了一套令人難以置信的天文觀測臺。第一個引力波探測器成功的想法、設計和執行是人類的一大努力，但它是人類獨有的，還是人工智能已經達到了(甚至是高級的)設計？
在某些方面機器比人類做得更好。一臺機器可以執行的計算數量，以及執行速度，遠遠超過了天才。幾十年來，計算機程序已經能夠解決人類無法解決的計算密集型問題。這不僅僅是為了解決像計算更多π的位數那樣的蠻力問題，而是為了解決那些對於機器來說是難以想象的複雜問題。
在十多年的時間裡，沒有任何一位高手在國際象棋中擊敗頂尖的計算機程序。蘋果的Siri是基於一個由darpa資助的計算機項目開發，該項目原本可以預測9/11事件的發生。全自動汽車正在取代人力駕駛汽車。在每一個案例中，曾經被認為是最好的解決方案，現今都被一個能更好地完成工作的人工智能所取代。
一輛被改裝過的大眾帕薩特汽車在自動駕駛汽車的測試中，人工智能完全取代了人類。
人工智能並不只是一個你告訴它做什麼它就做什麼的簡單計算機程序，相反，它是可以自主學習和適應環境。它可以在足夠高級水平上編寫自己的代碼。我們在計算機視覺、語言翻譯和自主機器人領域看到了具體案例。在科學領域，看到新的論文一直都在利用人類做不到而人工智能能做到的優勢。
那些潛伏在NASA開普勒數據中的行星是人工智能發現的，人為編程的技術錯過了它們。機器學習限制可能出現在大型強子對撞機上的新物理學。它讓人懷疑是否人類能解決的任何問題，人工智能最終能否做的比人類更好。
隨著第八顆行星的發現，開普勒-90系統是第一個與太陽系在行星數量上有聯繫的系統。最外層的行星（第八顆）是使用機器學習技術發現的，目前人類還無法做到。
這一想法正是羅傑·梅爾科在“圓周理論物理研究院”公開演講的主題。在許多方面，量子波函數描述了從自由粒子到原子到離子到分子到多體系統的任何物理場景是最終的“大數據”問題。人工智能已經成功地應用於許多科學問題和領域，包括錯誤校正算法、張量網絡、尋找量子物質的新狀態等。
在人工智能可以應用的地方，它不僅改變和放大了我們從數據中學能知道的東西，同時也提供了新穎的預測，這些預測常常是人類聞所未聞的。如果人工智能在新的研究中激發出新思路，那這與愛因斯坦對“想象力”的定義有什麼不同，它的價值有多大呢？
我們所認為的人類專屬的東西，大多是我們大腦中發生的事情。如果一臺機器或一個計算機程序能做到這一點，甚至做得更好。那這意味著什麼？我們又能獲得什麼呢？
如果在一個世紀以前人工智能就已經出現，那麼計算機可能已經研究出了量子力學和相對論，但這是有爭議的。隨著21世紀人工智能和機器自主學習的到來，我們將會獲知什麼？
所以，這是一個我（羅傑·梅爾科）希望得到回答的大問題：今天需要人類的是什麼，未來需要人類的是什麼樣？現在，人工智能和機器學習能夠發現的信息大部分是基於如何成功地編程。但是，機器能自己設計出一種強制定律嗎？它能提出相對論或者薛定諤方程嗎？如果不能，那麼在將來它能做到嗎？我迫不及待地想知道答案（或許你也想知道）！
這給許多人帶來了生存危機。在什麼時候，人類變得過於依賴機器，失去了使我們成為優秀物種的技能？如果我們瞭解這些基本問題的答案，同時一臺機器也發現了，我們能在它到來之前理解答案嗎？而且如果機器能夠學會提出問題並回答它們，我們會成為科學的貢獻品嗎？我想這件大事值得深思！
粒子物理學的標準模型解釋了四種力（除重力外）中的三種，全部發現的粒子及其所有相互作用，從相關的量子場論中，也可以找出量子真空的性質。
它和自然界一樣複雜，這難道不奇怪嗎？我們認為它是由一些基本的力、粒子和相互作用所支配，然而它們加起來形成了一組難以置信的複雜結構。 讓我們來看看這個臨界是什麼樣子…以及人工智能如何告訴我們複雜性的前沿問題。
第二次世界大戰時，想想這個事實：我們只能在量子層面上預測會發生什麼。有什麼能比一臺機器擅長模擬系統和各種可能的結果，反覆地估計類似的情況和其他潛在的結果呢？當然，想象一下，那些“預測”的技術，人類會突然很擅長嗎？ 使用密碼學來做這件事，但我們知道機器在幾代人以前就能比當時最聰明的人做得更好。
軍事Enigma機器在20世紀30年代後期和戰爭期間使用，“Enigma I”模型在意大利米蘭博物館展出。
這是“ENIGMA”機器，它用很多信息加密一條消息，而且人類真的無法破解。如果沒有密碼本告訴你這臺機器在某一天是如何設置的，你就無法解碼。但是一個智能的機器，可以幫助你確定答案！
羅傑說：恩尼格瑪密碼機可以設置出10 ^ 20種可能，這相當於地球上所有海灘海洋中沙粒的數量。這是就是77年前的“複雜性前沿”，打破這一前沿的人名字叫：艾倫·圖靈。
這是盟軍用來破譯恩尼格瑪計算機的那臺機器。
艾倫·圖靈是如何破解密碼機的？他通過建立另一臺機器，每天計算所有的設置和可能性，最終找到破解代碼的辦法。當密碼被破譯時，盟軍可以任意監聽在潛艇上進行的對話。羅傑正在帶領我們參觀計算機的發展歷史：ENIAC、貝爾實驗室、晶體管、超導、BCS、集成電路。當然，摩爾定律使今天的機器變得更加強大！
伊森·西格爾的新書《Treknology》探究了星際迷航系列中的28種經典技術。
《星際迷航》帶來了巨大的影響：科技將如何影響和改善我們的日常生活？這是一個很好的類比：電路印在10納米上的厚度是指甲每秒增長的長度。只要刮下來，就可以創造出一臺電腦了！
這裡有一個有趣的應用：水分子（或其他任何）如何隨著時間的推移而發生變化。這個量子化學問題讓人眼前一亮，因為它介於量子微觀和宏觀世界之間，然而你可以得到實際的、深入的量子效應來產生老派的模擬經典行為。順便說一下，能夠在計算上做到這一點是讓人振奮的！
在超級計算機上模擬水分子可以穿越時空路徑。
在可觀測的宇宙中有10^80個粒子，這就是為什麼選擇了數字2 ^ 268。當然他不計算光子或中微子，這會使其達到約10 ^ 90，或約2 ^ 298個。羅傑說：只有人類才能寫詩，創造一件藝術品，畫一幅畫。但這裡有一部完全由人工智能撰寫的科幻迷你電影。可能故事情節是一派胡言，但這一創造的行為很有趣。相比於喬治·盧卡斯它多久就能寫出更好的劇本？不少人也迫不及待地想看看這是如何展開的！
來看看現代“我們能做什麼”。我們可以識別圖片中的事物，因為有大量的數據和算法來識別“這張圖片裡的事物”。這項技術適用於樹木、碼頭、寵物、餅乾、人、臉等等。這就是計算機視覺領域，老實說，深度學習算法正在扼殺它。
人工智能是如何進行深度學習。
人工智能是一個廣泛的概念，但更深層次的是機器學習，然後是神經網絡，其中“深度學習”是最先進的。人工神經網絡基本上就像一個原始的大腦，它是以經驗為基礎進行學習。這是在上世紀80年代聽到的一個的想法。
當時有人建造了一個像蟑螂的六足機器人，人們並沒有教它走路，而是讓它用自身的神經網絡技術學會“走路”。過了幾個小時後它走路的方式和地上蟑螂走路的方式一模一樣。30多年過去了，現今已經擴大了這個範圍，以便在照片中識別人臉物景等。
人工智能學習技術應用於單個原子(在模擬和圖像中)的實驗。真正的物理學是讓人振奮的；當人工智能的出現和發展，是值得關注的，說不定某天就搶了你的工作…當然人工智能只是和它訓練的一樣好。如果在一個領域裡讓人工智能“親身體驗”，然後把它送到另一個領域進行工作和創造，這時就會有一些可怕的圖像生成。
模擬和真實單個原子系統。
這就是你在互聯網上看到的那些奇怪人工合成圖像的來源。但是如果你正確地訓練人工智能的神經網絡，它就可以“深度創造”一個前所未有的新結構。這些應用程序很吸引人，但它們是真實的嗎？我們必須與現實進行比較才能找出答案。但從現實的角度來看，這只是來自機器的想法或幻想！
羅傑提出了一個令人難以置信的觀點：人工智能有可能製造出一個反烏托邦。因為人工智能在你橫穿馬路時識別出你的臉部，因此你理所當然的要繳納罰款，但這是合乎道德嗎？我們關心這些事嗎？我們擔心終結者式的未來的到來，但機器會成為我們今天所害怕的惡棍嗎？一些公司誠懇地告訴你智能隱形眼鏡是真實的。最後，你可以看到谷歌眼鏡增強現實的效果，而你卻不像一個戴著谷歌眼鏡的人。
IBM四量子位平方電路是一種開創性的計算方法，它可以使計算機強大到足以模擬整個宇宙。但量子計算領域仍處於起步階段。
閱讀更多 幸福代言人7107 的文章
